基本信息

---

下载

文档摘要

---

摘要

联邦学习是一种分布式的机器学习框架，不同参与方能够在保证数据隐私

和安全的情况下协作训练模型。当各参与方私有数据分布接近或数据分布异构

程度低时，统联邦学习架构中为所有参与方学习到的共享全局模型，往往能

取得良好的泛化能力，但数据分布差异大时全局模型泛化能力较差。此外，由

于参与方与服务器之间需要频繁进行模型参数交互，联邦学习所需要的通信开

销庞大。针对用户数据分布极其异构的场景，个性化联邦学习架构从用户的角

度出发，为各参与方学习一系列个性化的模型，以